[发明专利]基于5G多小区深度强化学习的边缘计算迁移方法

权利要求书

1.基于5G多小区深度强化学习的边缘计算迁移方法，其特征在于，具体步骤包括如下：

步骤(1.1)、根据终端处待处理的任务的参数信息，终端制定计算迁移方案；

步骤(1.2)、将待计算迁移的任务参数信息，信道增益以及临近干扰小区的信息发送给小区内MEC服务器；

步骤(1.3)、利用执行优先级函数对待迁移的任务排序，以及使用负载指标函数对可被小区间迁移的MEC服务器排序；

其具体操作过程如下：

和分别表示是上传给小区内MEC服务器的任务的数据量大小，时延需求以及信道增益信息，为计算任务的执行优先级，构造执行优先级函数如下式所述：

式中，c₁和c₂表示权重，表示任务所对应的终端设备的计算能力；每个MEC服务器通过计算结果进行任务排序；

假设小区n获得的临近干扰小区的信息包括{R(t-1),K(t-1)}；R(t-1)＝{R_j(t-1)|j≠n}表示t-1时刻制定计算迁移策略之前的其他MEC服务器可用计算资源；K(t-1)＝{K_j(t-1)|j≠n}表示t-1时刻制定计算迁移策略之前其他小区需要计算迁移的任务数；结合上述信息构建负载指标函数：

其中，K_m_j(t-1)表示其他小区迁移到小区j计算的任务；通过比较负载指标可选择可被小区间迁移的MEC服务器；

步骤(1.4)、利用深度强化学习，贪心算法以及计算的负载指标，在MEC服务器处制定计算迁移策略；

其具体操作方法如下：

(1.4.1)、根据任务优先级排序，MEC服务器将优先级高的前M个任务信息以及相邻干扰小区的信息作为DQN的状态输入；

其中，所述相邻干扰小区的信息包括上一时刻MEC服务器可用的计算资源，待迁移的任务，信号干扰增益和终端发射功率；

(1.4.2)、采用贪心算法，使多余的计算迁移任务能在小区内MEC服务器计算；

(1.4.3)、根据负载指标，将小区内无法计算迁移的任务传到临近小区的MEC服务器计算；

步骤(1.5)、根据计算迁移策略，终端将任务迁移到MEC服务器计算；

步骤(1.6)、无法计算迁移的任务在终端处计算，并等待下次迁移。

2.根据权利要求1所述的基于5G多小区深度强化学习的边缘计算迁移方法，其特征在于，在步骤(1.2)中，所述将待计算迁移的任务参数信息，信道增益以及临近干扰小区的信息发送给小区内MEC服务器的具体操作步骤如下：

(1.2.1)、通过导频信号估计，终端得到信道增益；

(1.2.2)、将任务参数信息以及信道增益上传给小区内的MEC服务器；

(1.2.3)、干扰小区之间相互发送计算迁移信息。

3.根据权利要求1所述的基于5G多小区深度强化学习的边缘计算迁移方法，其特征在于，在步骤(1.5)中，所述根据计算迁移策略，终端将任务迁移到MEC服务器计算的具体操作步骤如下：

(1.5.1)、终端获取计算迁移策略，根据迁移策略，终端将任务分为本地计算部分和计算迁移部分；

(1.5.2)、计算迁移部分上传到小区内MEC服务器计算或执行小区间迁移计算。

4.根据权利要求1所述的基于5G多小区深度强化学习的边缘计算迁移方法，其特征在于，在所述步骤(1.6)中，无法迁移的任务在终端处计算，在下一时刻，将终端未计算完的任务作为新任务，重复上述计算迁移步骤。